DOI 10.47576/2712-7516_2022_11_3_216 УДК 334
ОСОБЕННОСТИ ПРОВЕДЕНИЯ ОЦЕНКИ ЦЕННОСТИ РОССИЙСКИХ КОМПАНИЙ: РИСКИ ИСПОЛЬЗОВАНИЯ МЕТОДА РЫНОЧНЫХ МУЛЬТИПЛИКАТОРОВ
Губернаторов Алексей Михайлович,
доктор экономических наук, доцент, профессор кафедры бизнес-информатики и экономики, Владимирский государственный университет им. А. Г. и Н. Г. Столетовых, г. Владимир, Россия
Ивко Дарья Григорьевна,
преподаватель, Владимирский государственный университет им. А. Г. и Н. Г. Столетовых, г. Владимир, Россия
Данная работа является продолжением исследования авторами проблем применения метода рыночных мультипликаторов в оценке ценности компаний ряда системообразующих отраслей России, результаты которых были ранее опубликованы. Теперь в поле зрения авторов расширенный период оценки волатильности показателей по девяти отраслям экономики России. Более глубоко изучена тематика с точки зрения различия и специфики отраслей экономики. Это представляет интерес для оценщиков, инвесторов и других заинтересованных лиц, так как позволяет проанализировать общую картину поведения стоимости акций российских компаний и дает возможность сравнить изменение показателей различных отраслей экономики в рамках использования технологии мультипликаторов. Работа основана на выводах статистических исследований мультипликаторов, рассчитанных для каждой отрасли, а также их волатильности за 14-летний период - с 2006 по 2019 г. включительно - на примере 46 компаний из девяти отраслей экономики Российской Федерации.
Ключевые слова: оценка ценности компаний; мультипликатор P/E; мультипликатор P/B; ценность акции; волатильность акции; мультипликаторная волатильность; модельный риск.
UDC 334
FEATURES OF VALUATION OF RUSSIAN COMPANIES: RISKS OF USING THE MARKET MULTIPLIERS METHOD
Gubernatorov Alexey Mikhailovich,
Doctor of Economics, Associate Professor, Professor of the Department of Business Informatics and Economics, Vladimir State University named after A. G. and N. G. Stoletov, Vladimir, Russia
Ivko Darya Grigoryevna,
Lecturer, Vladimir State University named after A. G. and N. G. Stoletov, Vladimir, Russia
This work is a continuation of the study by the authors of the problems of applying the method of market multipliers in assessing the value of companies in a number of backbone industries of the Russian Federation, the results of which were previously published. Now the authors have an extended period for assessing the volatility of indicators for nine sectors of the Russian economy. The topics are studied in more depth from the point of view of differences and specifics of economic sectors. This is of interest to appraisers, investors, and other interested parties, as it allows analyzing the overall picture of the behavior of the value of shares of Russian companies and makes it possible to compare changes in the indicators of various sectors of the economy using the multiplier technology. The work is based on the findings of statistical studies of multipliers calculated for each industry, as well as their volatility over a 14-year period - from 2006 to 2019 inclusive, using the example of 46 companies from nine sectors of the economy of the Russian Federation.
Keywords: company valuation; P/E multiplier; P/B multiplier; share value; share volatility; multiplier volatility; model risk.
Когда речь идет об оценке ценности компаний, важно отметить, что существуют различные подходы, модели, каждая из которых обладает как преимуществами, так и недостатками [1]. В последние годы отмечается рост количества сделок по слиянию и поглощению [8], что подчеркивает дополнительный интерес к такой области, как проведение оценки ценности компании быстро и качественно при минимальном количестве ресурсов.
В первом полугодии 2022 года российский рынок М&А показал рост на 5,6 %, до $18,1 млрд, что сопровождалось ростом, в том числе, средней суммы сделки. Как считают эксперты, иностранные инвесторы распродают активы, а вводимые ограничения могут подстегнуть новые сделки в М&А. Новый ориентир в М&А - это скупка выходящих из России иностранных активов. И участники рынка уверены, что большинство сделок второго полугодия ожидается за счет них [11].
Данные, необходимые для проведения качественной оценки ценности компаний, в особенности, если они не публичны, не всегда доступны. Ситуация усугубляется тем, что из-за высокой волатильности в поведении рынков необходимые показатели часто меняются.
Результаты исследования Д.П Ивко [3-6] поведения мультипликаторов на примере 46 российских компаний показывают, что они обладают очень высокой волатильностью как по отраслям, так и в конкретных компаниях. Поэтому реализованное значение мультипликатора необязательно будет близко к ожидаемому, или к значению в выбранный момент времени. Эти обстоятельства могут привести к существенному отклонению реальной ценности акции от результатов ее оценки при применении метода мультипликаторов.
Проведение оценки ценности компании связано преимущественно с решениями о покупке или продаже актива, сделке по слиянию и поглощению. Некорректно проведенная оценка компании или актива в подобных случаях может повлиять на уровень доходности или грозить убыточностью сделки для потенциального инвестора.
Изучение рисков, связанных с применением технологии мультипликаторов в его раз-
личных вариантах, является предметом данного исследования.
Цель работы - исследование наличия связи, характера связи (сила и направление) между волатильностью ценовых мультипликаторов и волатильностью цен акций компаний РФ. В качестве ценовых мультипликаторов рассматриваются P/E и P/B.
Технология мультипликаторов для оценки акций и риски, связанные с ее применением
Для оценки ценности акций компаний широко используется рыночный (сравнительный) подход, основанный на применении метода рыночных мультипликаторов. При оценке учитывается информация о самой компании в сравнении со схожими компаниями в рамках отрасли, по иным ключевым показателям деятельности [1; 2], или в сравнении с показателями отрасли.
Данный подход предполагает, что эти компании должны котироваться по одинаковым значениям мультипликаторов.
Есть ряд исследований европейских и американских компаний, однако российский фондовый рынок отличается своей относительной молодостью и находится на том этапе, когда ряд незначительных шоков-но-востей может усилить волатильность показателей ценности акций и т.п. [12-15].
В некоторых работах, например, В.А. Черкасовой [10], исследуются методы выбора так называемых компаний-аналогов для проведения оценки и описывается практика применения тех или иных моделей расчета корректирующих показателей. Но такой подход с применением корректировок требует наличия дополнительных параметров и ресурсов для их расчета. На практике многие оценщики используют технологию мультипликаторов из-за ее простоты и скорости получения оценки актива, а также ввиду отсутствия достаточной или качественной информации для расчетов ценности другими способами или получение таких данных требует серьезных расходов заказчика такой оценки.
Изучению данного метода и особенностям его применения посвящены ряд исследований. Одной из таких значительных работ является статья J. Liu, N. Doron и T. Jacob
[16]. Другими авторами: S. Seghal, A. Pandey
[17], C. Cheng и R. McNamara [13], E.F. Fama и K.R. French [14] исследуются различные
аспекты взаимосвязи мультипликаторов компаний с показателями их прибыльности и ценностью.
R. Barnes [12] и D. Koutmos [15] идут дальше и исследуют наличие связи между вола-тильностью цен акций компаний и их отдельными показателями.
Ниже, в продолжение опубликованных работ Д.П Ивко [3; 4], где был исследован вопрос волатильности мультипликаторов P/E и P/B и их влияния на изменчивость цен акций российских компаний, мы приводим расчеты волатильности для девяти отраслей экономики РФ и выбранных компаний из соответствующих отраслей за период 2006-2019 гг. включительно.
«Относительная молодость» механизмов российского фондового рынка является дополнительным фактором, который следует иметь в виду при использовании выводов на основе статистики западных компаний.
Важно, что при применении мультипликатора, рассчитанного для отрасли, очевидно, что его реальное (справедливое) значение для конкретной компании может сильно от-
В расчет брались российские компании, обыкновенные акции которых торгуются на российском рынке, информация по ним находится в открытом доступе. Чистая прибыль и балансовая стоимость использовались из годовой МСФО отчетности с официальных сайтов компаний. Информация о количестве обыкновенных акций, находящихся в обращении, из ежеквартальных отчетов компаний.
клоняться от соответствующей оценки, так как она является средним показателем для компаний целевой отрасли. В другом случае, когда применяется мультипликатор публичной компании, схожей в рамках отрасли или по объему операционной деятельности, структуре бизнеса и иных ключевых показателях, часто используется либо статистическая оценка ее ожидаемого значения, либо оно определяется в определенный момент времени (например, в текущий момент проведения оценки). Результат применения вышеописанного метода мультипликатора зависит от выбора схожей компании. В частности, ожидаемая величина мультипликатора схожей компании так же, как и ее значение в выбранный момент времени, могут сильно отклоняться от значения в момент реализации котировки или сделки. Очевидно, что качество подобной оценки невысокое.
В табл. 1 приведен перечень исследуемых отраслей экономики РФ и результат выборки отраслевых компаний, входящих в индекс ММВБ по состоянию на 31.12.2016.
На основе полученных данных ежедневных значений цен отраслевого портфеля акций на момент закрытия торгов [9] произведен расчет ежедневных доходностей акций отраслевого портфеля с 01.01.2006 по 31.12.2019 по формуле (1):
где Pi - цена акции на момент закрытия i-го дня.
Таблица 1 - Результат выборки отраслевых компаний для исследования
№ Наименование отрасли/сектора экономики Ыллнчестео компании, а кии и которые котируются на ММВВРТС, шт, Количество кампаний, выбранных ¿ля формирования портфеля* Дола выбранных компаний (покрытие), %
1 Энергетика 24 7 75**
*ч К'Ьтагагургия и горная догыча 19 6 <50
J Кг-йтггазовал И 7 so
4 Потребит епьсний сектор И 6 65
5 Фт[н 1нс о вый с гпор 7 6 9S
6 Химия н н г±тт еяпипя 6 4 S"
" Гг лг к (ммуникацжя -. 97
S .■-лншнэстрегнлг 5 3 5:
9 Гран;порт - 4 :оо
Итого 93 46 -
* На основе обыкновенных акций российских компаний.
** С точки зрения капитализации 7 компаний покрывают 75 % всех 24 котируемых компаний в отрасли.
Аналогично рассчитаны значения ежедневных доходностей ценовых мультипликаторов.
Все рассчитанные показатели компаний, входящих в отраслевой индекс, взвешены по их доле капитализации в рамках отраслевого портфеля.
Следующим шагом произведен расчет волатильности (G) показателей: 1 - доходности акций отраслевого портфеля, 2 - относительного изменения (доходности) портфельного P/E, 3 - относительного изменения (доходности) портфельного Р/В, используя формулу в excel «СТАНДАРТОТКЛ» за каждый год, в период с 2006 г. по 2019 г., за весь
период 2006-2019 гг., за период 2006-2010 гг., 2011-2015 гг. и 2016-2019 гг.
Ежедневные данные волатильности показателей пересчитаем для периода - ПОД по формуле (2):
где количество торговых дней в году Т = 252 дня.
Результаты полученной волатильности исследуемых цен акций и ценовых мультипликаторов всех 46 российских компаний в динамике за каждый день с 2006 по 2019 гг. представлены на графиках
i.jj ijj щ h h
ЩЩОСШСГ|ООС|,НН rj г-.j r-j г-| г-| ■=!■■=}" |_Г| |_Г| ijj i_q iq Г"-- Г--- щ CO CO. CTi CXi ООООООООООчЧ^^чЧгНчЧгНчЧчЧчЧ^чЧ^НН^^^^^тЧгЧгЧ^'Н
nhrrrrrrrrrrrrrrrrrhnhnhnrrrrrrrrrr
3
т-i 1Л cj
о о я
ri B IN
□ R IN
_, rn (Ю ^H__, „
oooo^oooo^oooo
n IB H 1Л
т-\ -a-T—I T—I О
3
я *
•n
ГП (B ^H
- cn ID ri ^ IN in ai cji
[NTHT-4OO[N["4T4OOF4
Oppp^Hpppp^Hpppp ■i ai И ^ H "=H СП ГП pj ГП r^j "izi —i
Hi® тЧ О О
гч
я
тЧоОГЧГЧт-НоО
■Н о О
Рисунок 1 - Волатильность цен акций исследуемых компаний с 2006 по 2019 г.
0,012 0,010 э,ооа о,оо е
Э,004 0,002
LÜ Ш Ш ^ ^ 00 DO 'К' СП CfI О □ G Н Н [N ГО ГП ГП Т ■i Lfi |_Г| |_fi i_q i_q Г-1-- Г-1-- Г-1-- oq DÖ CH CTi
О О О О О О ООООчЧчЧчЧчЧчЧчЧчЧчЧчЧчЧчЧчЧчЧч-!I гI Н Н гI ч—I ч—I И Н -i—I г—I
R R R R R R RRRRRRRRRRRRRRRRRRRRRRRRRR RR
•гА ............
ч—1 Ijj
О О
□ ffl М d Щ
чН О О О О
■iQliNNNifiD^MHiD О О О О i-H О чН о о о о
■=i" 00 ч—I ш
о о о о
ГЧ CN ч—I О OQ LTI "^ГМНтщ^^^^йМ^ЩГ^^Н о о пп т ГЗ N INiNPJHHHHHHHooooom
rH^cjifMSMino ■Н о О О о ч-Н О
и
т (В
о о
^ гч
тЧ тЧ
Рисунок 2 - Волатильность цен акций исследуемых компаний с 2006 по 2019 г.
Э,35 0,30 0,25 Э,20 0,15
одо 0,05
----П _1—1—
ш ш ш г^ ^
HHiNMiNrnm^^fl-
О^ЩН^ПГПЩНЩП^ЕТНЩП ДооооДооооДооооД
Я Я й
гЧ Ln
о о
я я э
ГП и и Щ
о о о о
CN щ сг, "=?
OJ гЧ О о
ГП 00 чЧ щ
о о о о
Н ГП И rl Щ d
чЧ о О О О чЧ
К чЧ сл m
о Е4^ СМ чЧ о О
iTl 00 чЧ щ
о о о о
га я з я
■tf- (В
о о
к
Рисунок 3 - Волатильность цен акций исследуемых компаний с 2006 по 2019 г.
В табл. 2 представлены результаты расче- телей компаний за 2006-2010 гг., 2011-2015 тов годовых значений волатильности показа- гг., 2016-2019 гг. и в целом за 2006-2019 гг.
Таблица 2 - Результаты расчетов значений волатильности показателей за 2006-2019 гг., доли единицы
Период, годы Характеристика значения данных Волатильность относительных показателей (доходности) Волатильность абсолютных показателей
индекса Р/Е портфеля Р/В портфеля Р/Е портфеля Р/В портфеля
1. Энергетическая отрасль
2006-2019 дневное 0,02 0,13 0,05 89,63 1,15
годовое 0,31 2,11 0,76 1 422,91 18,25
2006-2010 дневное 0,03 0,15 0,07 138,11 1,54
годовое 0,42 2,46 1,14 2 192,38 24,38
2011-2015 дневное 0,02 0,13 0 51,97 0,11
годовое 0,3 1,99 0,06 824,95 1,69
2016-2019 дневное 0,01 0,05 0,03 18,42 0,73
годовое 0,15 0,86 0,43 292,39 11,65
2. Металлургическая и горнодобывающая отрасль
2006-2019 дневное 0,02 0,12 0,03 33,55 1,67
годовое 0,3 1,98 0,41 532,59 26,5
2006-2010 дневное 0,03 0,17 0,03 16,32 0,82
годовое 0,44 2,73 0,54 259,08 13,09
2011-2015 дневное 0,02 0,06 0,01 51,93 1,48
годовое 0,25 0,94 0,12 824,42 23,47
2016-2019 дневное 0,01 0,07 0,01 2,89 0,92
годовое 0,15 1,05 0,13 45,94 14,61
3. Нефтегазовая отрасль
2006-2019 дневное 0,02 0,05 0,01 5,56 0,56
годовое 0,27 0,85 0,2 88,33 8,89
2006-2010 дневное 0,03 0,01 0,01 5,77 0,74
годовое 0,4 0,22 0,24 91,65 11,8
2011-2015 дневное 0,01 0 0 2,64 0,2
годовое 0,19 0,04 0,04 41,91 3,12
4. Потребительский сектор
2006-2019 дневное 0,02 0,13 0,14 65 499,28 1 528,46
годовое 0,28 2,06 2,22 1 039 768,77 24 263,51
2006-2010 дневное 0,02 0,01 0,12 12,65 44,18
годовое 0,35 0,16 1,91 200,79 701,27
2011-2015 дневное 0,02 0,06 0,03 205,43 6,51
годовое 0,28 0,89 0,47 3 261,16 103,33
2016-2019 дневное 0,01 0,18 0,2 120 787,19 2 754,88
годовое 0,18 2,88 3,18 1 917 437,17 43 732,35
5. Финансовый сектор
2006-2019 дневное 0,04 0,1 0,11 1 032,63 4,45
годовое 0,67 1,65 1,76 16 392,56 70,57
2006-2010 дневное 0,07 0,12 0,17 1 396,77 7,85
годовое 1,07 1,89 2,63 22 173,04 124,56
2011-2015 дневное 0,03 0,1 0 1 090,63 0,3
годовое 0,45 1,57 0,06 17 313,25 4,76
2016-2019 дневное 0,01 0,07 0,03 28,86 0,12
годовое 0,16 1,07 0,4 458,11 1,91
6. Химическая и нефтехимическая отрасль
2006-2019 дневное 0,02 0,13 0,05 151,55 56,44
годовое 0,34 2,11 0,85 2 405,81 896,02
2006-2010 дневное 0,03 0,03 0,04 10,83 4,39
годовое 0,52 0,45 0,7 171,96 69,66
2011-2015 дневное 0,02 0,12 0,06 247,63 13,67
годовое 0,25 1,93 0,9 3 930,93 217,03
2016-2019 дневное 0,01 0,12 0,06 57,09 104,28
годовое 0,12 1,96 0,91 906,3 1 655,41
7. Телекоммуникационная отрасль
2006-2019 дневное 0,02 0,03 0,09 6,19 1,42
годовое 0,25 0,4 1,5 98,2 22,61
2006-2010 дневное 0,02 0,04 0,14 5,79 1,22
годовое 0,33 0,56 2,15 91,97 19,37
2011-2015 дневное 0,01 0 0 2,14 0,55
годовое 0,22 0,06 0,05 34,02 8,73
2016-2019 дневное 0,01 0 0 7,11 2,07
годовое 0,14 0,04 0,02 112,85 32,85
8. Машиностроительная отрасль
2006-2019 дневное 0,02 0,1 0,07 626,73 23,68
годовое 0,33 1,53 1,1 9 949,11 375,86
2006-2010 дневное 0,03 0,09 0,01 114,74 0,73
годовое 0,46 1,47 0,19 1 821,47 11,65
2011-2015 дневное 0,02 0,1 0,08 816,67 39,47
годовое 0,25 1,65 1,33 12 964,19 626,56
2016-2019 дневное 0,01 0,03 0,05 721,62 2,07
годовое 0,16 0,47 0,73 11 455,42 32,84
9. Транспортная отрасль
2006-2019 дневное 0,02 0,18 0,1 52,9 30,2
годовое 0,25 2,82 1,6 839,77 479,45
2006-2010 дневное 0,02 0,23 0,02 63,76 1,1
годовое 0,33 3,68 0,3 1 012,09 17,43
2011-2015 дневное 0,01 0,16 0,11 44,6 5,41
годовое 0,21 2,46 1,73 708,02 85,92
2016-2019 дневное 0,01 0,08 0,08 46,67 56,13
годовое 0,15 1,3 1,22 740,85 890,98
На текущий момент в исследуемый период не включен 2020 и 2021 гг. Главная причина такого решения: начавшаяся в феврале 2020 г. пандемия - эпидемия коронавируса COVID-19, а также санкции западных стран, направленные против экономики РФ. Все это продолжает влиять существенным образом на всю мировую экономику и экономику каждой страны в отдельности. Так, в частности, Правительством РФ уже в марте-апреле 2020 г. был принят ряд экстренных мер, который вызвал остановку производств и переход предприятий на удаленную работу там, где это было возможно. Далее, помощь государства в виде налоговых каникул, льгот-
ных кредитов, пониженных ипотечных ставок и иных субсидий и преференций, которые, увы, не смогли в полной мере сохранить рабочие места и прибыль компаний. В итоге 35 % исследуемых компаний имели серьезные проблемы, закончив 2020 г. с убытком. В кризисе есть не только проигравшие, но и те, кто, наоборот, сумели адаптироваться и быстро сориентироваться в режиме вынужденного соблюдения карантина (изоляции) населением, чтобы быть востребованными на рынке. Это, например, телекоммуникационные компании, которые обеспечивали связь, продавцы техники, банковские онлайн-услу-ги и т.д. У таких компаний прибыль в 2020 г.
существенно выросла. Очевидно, что 2020 г. станет нерелевантным по своим результатам в сравнении с предыдущими исследуемыми годами. Однако имеет смысл провести подобное исследование волатильности показателей позднее: на период 2020-2023 гг. или даже 2020-2025 гг. Ожидается, что большинство российских компаний к 2023-2025 гг. уже смогут либо восстановиться, либо уйти с рынка из-за санкций, либо поменять формат бизнеса, чтобы оставаться актуальными в новых условиях «удаленной» работы, что позволит получить адекватные результаты, которые могут быть полезны с учетом принятых экономических решений.
На основе вышеизложенного можно сделать определенные выводы. Из полученных результатов расчета волатильности показателей российских компаний следует, что показатели волатильности по ценовым мультипликаторам достаточно высокие:
1. За весь исследуемый период 2006-2019 гг. очень высокая волатильность значений доходности (темпов роста) обоих мультипликаторов P/E и P/B (годовое значение) наблюдается в четырех отраслях: потребительском, финансовом секторе, а также машиностроительной и транспортной отраслях (значение волатильности доходности мультипликаторов выше 1).
2. Периоды 2011-2015 гг. и 2016-2019 гг. имеют наибольшее влияние на высокие значения волатильности доходностей исследуемых показателей в целом за 2006-2019 гг., что объясняется кризисными явлениями в экономике РФ. Валютные кризисы 20082010 гг. («управляемая» девальвация рубля с 24,57 до 35,37 RUB/USD) и 2014-2015 гг. (обесценивание рубля с 39,42 до 69,62 RUB/ USD), когда наблюдалось снижение покупательской способности и рост безработицы, быстро отразились на чистой прибыли с про-
лонгированным эффектом на балансовую стоимость компаний потребительского сектора (например, произошло снижение спроса на бытовую технику), финансового (снижение объема депозитов и кредитов у населения, которое массово выводило денежные средства со счетов в банках, чтобы купить валюту), машиностроительной отрасли (снижение спроса на покупку автомобилей и пр.).
3. За весь исследуемый период 2006-2019 гг. только в одной нефтегазовой отрасли годовое значение волатильности исследуемых показателей ниже 1, что объясняется наличием государственного регулирования и участия бюджетных денежных средств в данной деятельности (спрос на продукты данной отрасли относительно стабилен, например, газ и бензин). Безусловно, финансовый кризис затрагивает все отрасли страны, однако нефтегазовая отрасль в России, в которую продолжают поступать самые объемные инвестиции, является наиболее стабильной и предсказуемой (одна из основных статей дохода в бюджет государства по итогам уплаты налогов в 2020 г.).
Полученные результаты говорят о том, что применение метода мультипликаторов для оценки ценности компаний чаще всего не может гарантировать абсолютную точность.
Российский фондовый рынок относительно молод по сравнению с западными (официальный год основания Нью-Йоркской фондовой биржи - 1817г., Лондонской фондовой биржи - 1801 г., в современном формате фондовый рынок в России фактически формировался в 1991-1992 гг.), и поэтому важно проявлять осторожность при применении западных подходов в оценке ценности акций российских компаний, использование которых влечет дополнительные модельные риски.
Список литературы_
1. Лимитовский М.А., Лобанова Е.Н., Минасян В.Б., Паламарчук В.П. Корпоративный финансовый менеджмент. М.: Юрайт, 2017. 990 с.
2. Круи М., Галай Д., Марк Р. Основы риск-менеджмента / пер. с англ. М.: Юрайт, 2011. 390 с.
3. Ивко Д.Г Использование метода мультипликаторов в оценке стоимости компаний нефтегазовой отрасли Российской Федерации // Проблемы экономики и управления нефтегазовым комплексом. 2017. № 4. С. 40-49.
4. Ивко Д.Г Особенности проведения оценки стоимости российских компаний методом рыночных мультипликаторов // Финансы и управление. 2017. № 1. С. 34-46.
5. Ивко Д.Г Проведение оценки стоимости российских компаний: риски использования метода рыночных мультипликаторов // Финансы и управление. 2018. № 1. С. 8-22.
6. Минасян В.Б., Ивко Д.П Анализ модельного риска использования технологии мультипликаторов при оценке акций российских компаний // Финансы: теория и практика. 2019. № 23(6). С. 91-116.
7. Минасян В.Б. Оценка рисков, возникающих при применении технологии мультипликаторов для оценки акций // Финансы: теория и практика. 2018. № 22(3). С. 124-135.
8. Рынок M&A в России. Обзор KPMG. Февраль 2019 г. URL: https://assets.kpmg/content/dam/kpmg/ru/pdf/2019/02/ ru-ru-ma-survey-feb-2018.pdf (дата обращения: 27.09.2021).
9. Финансовый портал [сайт]. URL: www.mfd.ru (дата обращения: 10.09.2022).
10. Черкасова В.А. Моделирование рыночных мультипликаторов на развивающихся рынках капитала // Управленческий учет и финансы.2016. C. 108-129.
11. Шерункова О. Ограничения сыграют на поглощение. URL: https://www.kommersant.ru/doc/5502616 (дата обращения: 17.09.2022).
12. Barnes R. Earnings volatility and market valuation: An empirical investigation, 2001. URL: http://citeseerx.ist.psu. edu/viewdoc/download?doi=10.1.1.197.4378&rep=rep1&type=pdf (дата обращения: 18.12.2018).
13. Cheng C., McNamara R. The valuation accuracy of the price-earnings and price-book benchmark valuation methods // Review of Quantitative Finance and Accounting, 2000, № 15(4), рр. 349-370.
14. Fama E.F., French K.R. Value versus growth: The international evidence // The Journal of Finance, 1998, № 53(6), рр. 1975-1999.
15. Koutmos D. The P/E multiple and market volatility revisited // International Research Journal of Finance and Economics, 2010, № 43, рр. 7-16.
16. Liu J., Doron Ки Jacob T. Equity valuation using multiples // Journal of Accounting Research, 2002, № 40(1), рр. 135-172.
17. Seghal S., Pandey A. The behaviour of price multiples in India (1990-2007) // Asian Academy of Management Journal of Accounting and Finance, 2009, № 5(1), рр. 31-65.
References _
1. Limitovsky M.A., Lobanova E.N., Minasyan V.B., Palamarchuk V.P. Corporate financial management. Moscow: Yurayt, 2017. 990 p.
2. Krui M., Galay D., Mark R. Fundamentals of risk management / translated from English, Moscow: Yurayt, 2011. 390 p.
3. Ivko D.G. The use of the multiplier method in assessing the value of companies in the oil and gas industry of the Russian Federation. Problems of economics and management of the oil and gas complex. 2017. No. 4. pp. 40-49.
4. Ivko D.G. Features of valuation of Russian companies by the method of market multipliers. Finance and Management. 2017. No. 1. pp. 34-46.
5. Ivko D.G. Conducting valuation of Russian companies: risks of using the method of market multipliers. Finance and management. 2018. No. 1. pp. 8-22.
6. Minasyan V.B., Ivko D.G. Analysis of the model risk of using multiplier technology in evaluating shares of Russian companies. Finance: theory and practice. 2019. No. 23(6). pp. 91-116.
7. Minasyan V.B. Assessment of risks arising from the use of technology multipliers for stock valuation. Finance: theory and practice. 2018. No. 22(3). pp. 124-135.
8. «Mergers and acquisitions». KPMG review. February 2019 URL: https://assets.kpmg/content/dam/kpmg/ru/ pdf/2019/02/ru-ru-ma-survey-feb-2018.pdf (accessed: 27.09.2021).
9. Financial portal [website]. URL: www.mfd.ru (accessed: 09/10/2022).
10. Cherkasova V.A. Modeling of market multipliers in emerging capital markets. Managerial accounting and finance. 2016. C. 108-129.
11. Sherunkova O. Restrictions will play on the takeover. URL: https://www.kommersant.ru/doc/5502616 (accessed: 17.09.2022).
12. Barnes R. Income volatility and market valuation: an empirical study, 2001. URL: http://citeseerx.ist.psu.edu/ viewdoc/download?doi=10.1.1.197.4378&rep=rep1&type=pdf (publication date: 12/18/2018).
13. Cheng K., McNamara R. The accuracy of the evaluation of the valuation methods «price-profit» and «price book benchmark». Review of quantitative finance and accounting, 2000, No. 15(4), pp. 349-370.
14. Fama E.F., French K.R. Cost versus growth: international evidence. Financial Journal, 1998, No. 53(6), pp. 19751999.
15. Kutmos D. P/E multiplier and market volatility revision. International Research Financial and Economic Journal, 2010, No. 43, pp. 7-16.
16. Liu J., Doron N. and Jacob T. Equity valuation using Multipliers. Journal of Accounting Research, 2002, No. 40(1), pp. 135-172.
17. Seghal S., Pandey A. The behavior of price multipliers in India (1990-2007). Journal of Accounting and Finance of the Asian Academy of Management, 2009, No. 5(1), pp. 31-65.